如何在预测中指定最小或最大可能值？
How to specify minimum or maximum possible values in a forecast?
有没有办法在使用 ETS/ARIMA 模型进行的预测中指定最小或最大可能值？
例如在预测只能介于 0% 和 100% 之间的百分比趋势时。
我正在使用 R 包 forecast（和函数 forecast）。
如果您的时间序列 y 具有自然界限 [a, b]，您应该先进行 "logit-alike" 转换：
f <- function (x, a, b) log((x - a) / (b - x))
yy <- f(y, a, b)
则得到的yy在(-Inf, Inf)上无界，适合高斯误差假设。使用 yy 进行时间序列建模，稍后对预测/预测进行反向转换：
finv <- function (x, a, b) (b * exp(x) + a) / (exp(x) + 1)
y <- finv(yy, a, b)
注意，上面的变换f（因此finv）是单调的，所以如果yy的95%置信区间是[l, u]，相应的置信度y 的间隔是 [finv(l), finv(u)].
如果您的 y 仅在一侧有界，请考虑 "log-alike" 变换。
- 以
[a, Inf) 为界，考虑 yy <- log(y - a)；
- 以
(-Inf, a] 为界，考虑 yy <- log(a - y)。
哇，我不知道 Rob Hyndman 有博客。感谢 @ulfelder for providing it. I added it here to make my answer more solid: Forecasting within limits.
这个比较具体，我没有涉及。 What to do when data need a log transform but it can take 0 somewhere。我只想增加一个小的公差，说 yy <- log(y + 1e-7) 继续。
有没有办法在使用 ETS/ARIMA 模型进行的预测中指定最小或最大可能值？
例如在预测只能介于 0% 和 100% 之间的百分比趋势时。
我正在使用 R 包 forecast（和函数 forecast）。
如果您的时间序列 y 具有自然界限 [a, b]，您应该先进行 "logit-alike" 转换：
f <- function (x, a, b) log((x - a) / (b - x))
yy <- f(y, a, b)
则得到的yy在(-Inf, Inf)上无界，适合高斯误差假设。使用 yy 进行时间序列建模，稍后对预测/预测进行反向转换：
finv <- function (x, a, b) (b * exp(x) + a) / (exp(x) + 1)
y <- finv(yy, a, b)
注意，上面的变换f（因此finv）是单调的，所以如果yy的95%置信区间是[l, u]，相应的置信度y 的间隔是 [finv(l), finv(u)].
如果您的 y 仅在一侧有界，请考虑 "log-alike" 变换。
- 以
[a, Inf)为界，考虑yy <- log(y - a)； - 以
(-Inf, a]为界，考虑yy <- log(a - y)。
哇，我不知道 Rob Hyndman 有博客。感谢 @ulfelder for providing it. I added it here to make my answer more solid: Forecasting within limits.
这个比较具体，我没有涉及。 What to do when data need a log transform but it can take 0 somewhere。我只想增加一个小的公差，说 yy <- log(y + 1e-7) 继续。